TypeSafe AI

개요

샌프란시스코 소재 회사로, 2026-09-15 에 DCVC 가 주도한 $40M 시드 투자와 함께 스텔스에서 나왔다. 스스로 System One Models 라 부르는 모델 클래스와 그 첫 모델 Jev 를 함께 발표했다 (회사와 소재지는 3 패스, 투자는 2 패스) (source).

회사가 내세우는 논지는 좁고, 정확히 적어 둘 가치가 있다. 이 페이지가 존재하는 이유가 그것이기 때문이다: 프로덕션 시스템 안에서 반복되는 작은 결정 하나를 내리는 데, 채팅 모델은 대체로 가장 느리고 가장 비싼 방법이다. TypeSafe 의 답은 텍스트를 아예 생성하지 않는 모델이다 — 구조화된 상태 또는 자연어 상태가 들어가고, 타입이 정해진 결정이 나온다. 선택지, 점수, 또는 확률이며, 토큰 단위가 아니라 단일 병렬 포워드 패스로 만들어진다 (3 패스) (source).

퍼스트파티 확인은 하지 못했다. 이 런의 샌드박스에서 typesafe.ai 와 www.latent.space 는 모두 EGRESS_BLOCKED 로 응답한다. 아래의 모든 수치는 패스 수를 달아 둔 WebSearch 추출이다.

주요 인물

• Diogo Almeida — 창업자. ChatGPT 를 만든 RLHF 작업에 참여한 연구자 중 한 명으로 보도에서 소개된다 (2 패스) (source)

읽은 자료에 다른 임원·직원·연구자는 이름이 나오지 않는다. DCVC 가 리드 투자자로 언급되며, 다른 투자자·이사·기업가치는 전혀 등장하지 않는다 (2 패스).

모델과 제품

• Jev — 첫 System One Model, 대기자 명단 기반 얼리 액세스 단계. 명시된 역할: 결정, 분류, 라우팅, 스코어링. 입력 100 만 토큰당 $0.042, 출력 무료, 종단 간 지연 70–500 ms (각 3 패스) (source)

• RLCD — Reinforcement Learning for Calibrated Decisions — 학습 방법의 이름으로, 캘리브레이션을 최적화한다고 명시한다. 신뢰도 70% 라고 말했으면 실제로 약 70% 맞아야 한다는 것 (2 패스). 이름만 있고 명세가 없다: 한 패스는 보상 함수, 아키텍처, 학습 절차, 캘리브레이션 방법론이 모두 비공개라고 기록하므로, 공개된 자료만으로는 이를 알고리즘으로 평가할 수 없다 (source)

최근 활동

• 2026-09-24: Jev 를 평가한 논문 두 편이 한 스냅샷에 도착했고, 이 페이지가 검증 불가능하다고 적었던 주장에 이제 TypeSafe 의 것이 아닌 수치가 붙었다. JEV-as-a-Judge: Accept When Confident, Escalate When Unsure 는 jev-as-a-judge 를 16 개의 생성형·보상 모델 판정자와 블라인드 인간 판정 아래 비교해, 일반적인 선호와 근거 기반 사실성에서 가장 강한 비교 대상과 3 퍼센트포인트 이내에 들면서 비용은 그 비교 대상 요금의 0.36% 였다고 보고한다. 확신 있는 판정은 받아들이고 불확실한 것은 상위로 올리는 동결 캐스케이드는 비교 대상 정확도의 99% 를 유지한다. Jev-Mem: System-One-Controlled Agentic Memory for Efficient AI Agents 는 System-One 제어기에 에이전트 메모리 연산을 맡겨 질의 라우팅, 검색 예산 배분, 그래프 순회, 후보 점수 매기기, 적응적 중단을 자기회귀 모델에서 떼어낸다: LoCoMo LLM-as-a-Judge 0.777 (상대 +11.0%), 구축 158 s (6.6×), 질의 지연 0.93 s (−36.7%). 왜 중요한가: 이 페이지의 ## 전략적 위치 는 이 위키가 Jev 에 대한 독립 측정을 어떤 형태로도 갖고 있지 않으며 그것이 생기기 전까지 클래스 주장과 마케팅 문구는 같은 문서라고 적고 있다. 그 문장은 이제 아흐레가 됐고 부분적으로 답을 얻었다 — TypeSafe 의 정확도 주장은 외부 harness 를 통과하며 같은 3 포인트를 유지하지만, 비용 배수는 그렇지 않다: 요금의 0.36% 는 ~278× 이고, 벤더의 ~4,000× 에 대해 14× 의 간극이며, 두 수치는 같은 단위를 재고 있지 않다. 확립되지 않은 것, 그리고 "독립적" 이라는 말이 걸려 있는 지점: 어느 스냅샷 항목에도 저자 목록이나 소속이 없고, arxiv.org 는 EGRESS_BLOCKED 를 반환하며, TypeSafe 가 둘 중 어느 쪽을 집필했거나 자금을 댔는지는 알 수 없고 주장하지 않는다. 그 밖에 빠진 것: 가장 강한 비교 대상이 끝내 이름 없고, 판정자 논문에는 벤치마크 이름이 없으며, 어느 쪽에도 직접적인 캘리브레이션 측정이 없다 — 이는 이 페이지가 이름만 있고 규격은 없다고 기록한 학습 방법 RLCD 를 여전히 공개된 수치 없이 남겨둔다 → Jev, Model Routing, Agents (LLM Agents) (source)

• 2026-09-15: 한 랩이 모델이 아니라 모델 클래스를 주장하며 스텔스에서 나왔고, 그 클래스를 입증하는 수치는 전부 자사 것이다 — TypeSafe 가 System One Models 와 Jev 를 발표하고, DCVC 주도 $40M 시드를 공개했다. 주장은 이렇다: 라우팅, 분류, 스코어링, 게이팅 같은 상당수의 프로덕션 호출은 애초에 언어 과제가 아니며 토큰 생성 비용을 낼 이유가 없다는 것. Jev 는 이름이 끝내 나오지 않는 "small frontier LLMs" 대비 70–500 ms 안에, 입력 $0.042/M 에, 출력 무료로 타입이 정해진 결정을 돌려준다. TypeSafe 자체 워크플로 평가에서는 가장 비싼 프런티어 모델과 3 점 이내이면서 호출당 비용은 약 4,000× 낮다 (1 패스). 왜 중요한가: 이 위키의 Model Routing 페이지는 모델 사이에서 고르는 경제학을 추적해 왔다 — 수요 측 가격 상한 (2026-08-23), $7B+ 에 인수된 라우터 (2026-08-17), 토큰 단가를 붙여 모델로 팔린 라우터 (2026-09-11). 이번 것은 인접하지만 다른 수다: 모델을 더 싸게 고르는 방법이 아니라, 결정 계층이 애초에 언어 모델이어서는 안 된다는 주장이다. 확립되지 않은 것이 대부분이다: 출시 시점에 독립 평가가 존재하지 않고 (2 패스), 라이선스가 명시되지 않으며, 읽은 자료에 모델 카드·기술 보고서·제 3 자 벤치마크가 없고, 비교 대상이 특정되지 않으며, TypeSafe 자체 속도·비용 배수가 자사 채널끼리 서로 어긋난다 — ## 상충 보고 참고 → Jev, Model Routing (source) (AINews) (AI News)

전략적 위치

TypeSafe 가 말하는 것은 자기 시장이 역량 곡선이 아니라 비용 곡선 위에서 돌아간다는 것이다. 방어할 만한 입장이고 — Model Routing 은 라우팅되는 트래픽의 대부분을 결정하는 것이 지능이 아니라 추론 단가라고 기록하고 있다 — 이 위키의 어떤 주체도 아직 이것을 제품 전체로 삼은 적은 없다.

이 입장에는 구체적이고 확인 가능한 약점이 하나 있다. 호출자가 정의한 스키마 안의 값만 내보내는 모델은 자신 있게 말하기 쉽고 공개적으로 틀리기는 어렵다: 누구도 들여다볼 자유 형식 출력이 없으므로, 품질 주장은 전적으로 정확도와 캘리브레이션 수치로 환원되는데, 이 페이지의 원래 수치는 전부 TypeSafe에서 나왔다. 4,000× 저렴과 3 점 이내는 같은 벤더의 같은 문장이고, 논지를 지탱하는 쪽은 두 번째다.

이 위키는 2026-09-24 이전까지 TypeSafe의 벤더 주장 밖의 평가를 갖고 있지 않았다. 그날 수집한 두 논문은 근거를 바꾸지만 독립성을 확립하지는 않는다. 판정자 논문은 블라인드 인간 판정 아래 16개 판정자를 비교해 가장 강한 비교 대상과 3점 이내에 들면서 비용은 **그 비교 대상 요금의 0.36%**였다고 보고한다. 이는 약 278× 저렴한 것으로 벤더의 **4,000×**가 아니다. 두 비교는 같은 단위를 재지 않는다. 수집된 어느 초록에도 저자 목록이나 소속이 없어 TypeSafe가 둘 중 어느 논문을 집필하거나 자금을 댔는지는 여전히 알 수 없다. 직접적인 캘리브레이션 측정도 제시되지 않았다. 날짜가 붙은 최근 활동 항목을 보라 (source).

관련

• Jev — 해당 모델
• Model Routing — 모델을 고르는 경제학을 추적하는 곳이자 이 주장과 가장 가까운 이웃
• Agents (LLM Agents) — 이 클래스가 겨냥하는, 내부 결정을 반복하는 시스템들
• Sakana AI — 표준적이지 않은 대상을 "모델" 로 파는 2026 년의 또 다른 참여자. 방향은 반대다: 말하기를 거부하는 모델이 아니라, 다른 랩들의 모델 위에 얹힌 오케스트레이터다

상충 보고

TypeSafe 의 속도·비용 배수가 TypeSafe 자사 채널끼리 어긋난다

같은 두 값에 대한 네 가지 수치이고, 모두 벤더에서 나온 것이다 (2 패스가 전체 세트를 전달한다) (source):

Surface	Faster	Cheaper
typesafe.ai 홈페이지 헤드라인	193.6×	444.6×
TypeSafe 블로그 본문	40–200× ("System One 형태의 쿼리에 대해")	명시 없음
창업자 런치 스레드	20–200×	40–400×
AINews 헤드라인 (피드, 퍼스트파티)	>100×	>200×
어떤 수치도 채택하지 않는다. 이 편차는 CLAUDE.md 가 spec-check 에 대해 기록한
프로바이더 범위 문제가 아니다 — 여기서 프로바이더는 하나이고, 그 하나가 답 네 개를
내고 있다.

얼리 액세스 개시일

두 패스는 2026-09-15, 한 패스는 Jev 가 2026-09-16 에 얼리 액세스에 들어갔다고 적는다. 이를 전한 AINews 항목의 시각은 2026-09-16 11:09 GMT 다. 둘 다 기록하고 어느 쪽도 채택하지 않는다 (source).